Twine App Builder:免费自动化打包Twine游戏的桌面应用工具
Twine App Builder 是一个开源工具,专门用于将基于浏览器的游戏自动打包生成适用于 Windows 和 macOS 的独立桌面版本,同时提供可选的网络托管功能。该工具主要服务于使用 Twine(包括 1.x 和 2.x)、Bitsy、PuzzleScript 等工具创作游戏的开发者,帮助他们轻松创建适合在各种平台分发的桌面版本游戏。
快速入门指南
克隆仓库和准备
首先克隆项目仓库到本地:
git clone https://gitcode.com/gh_mirrors/tw/twine-app-builder.git
游戏文件准备
将您的 Twine 游戏所有相关资源(包括 .html 主文件和其他资源如图像、音频等)组织在项目的 src 文件夹中。确保包含 index.html 文件,这将是玩家打开游戏时加载的主页面。
配置设置
在项目根目录中,您需要配置游戏的基本信息。虽然原始项目使用 GitHub Actions 工作流文件,但您可以手动设置以下配置:
- 游戏名称和描述
- 是否启用web发布功能
- 自定义应用图标(使用
icon.png文件)
构建和打包
安装必要的依赖后,您可以使用提供的构建脚本来生成桌面应用:
# 安装依赖(如有需要)
npm install
# 执行构建
npm run build
构建完成后,您将在输出目录中找到 Windows 和 macOS 版本的应用程序。
核心功能特性
跨平台支持
Twine App Builder 支持生成 Windows 和 macOS 双平台的应用版本,确保您的游戏能够在主流桌面操作系统上运行。
离线功能支持
只要您的游戏不引用外部托管的资源或脚本,打包后的应用可以完全离线运行,这对于桌面分发非常重要。
自定义图标
通过提供自定义的 icon.png 文件(建议尺寸至少 1024x1024),您可以提升应用的品牌形象和专业性。
技术实现原理
Twine App Builder 基于 Electron 技术构建,这是一个使用 Web 技术(HTML、JavaScript、CSS)创建原生桌面应用的开源框架。该工具将您的游戏文件注入到预构建的 Electron 应用模板中,然后编译为各平台的本地可执行文件。
使用注意事项
资源管理
为了确保离线功能正常工作,建议将所有游戏资源(图片、音频、脚本等)都放置在本地 src 目录中,而不是引用外部 URL。
兼容性考虑
由于使用的是 Electron 技术,打包后的应用文件大小会比纯网页版本大,但提供了更好的桌面集成体验。
更新维护
您可以随时更新游戏内容,重新运行构建流程即可生成最新的桌面版本。
应用场景
Twine App Builder 适用于各种互动叙事游戏的桌面化部署,包括:
- 教育类互动故事
- 非线性叙事游戏
- 视觉小说类作品
- 实验性互动艺术项目
通过这个工具,创作者可以轻松地将基于浏览器的游戏作品转换为专业的桌面应用,便于在 Steam、Itch.io 等平台分发,或者直接分享给用户。
该工具完全免费使用,遵循 MIT 开源协议,为独立游戏开发者和创作者提供了强大的跨平台发布能力。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00